張曉林

①中國(guó)科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所，上海 200050；②中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心，上海 200031

人工智能經(jīng)歷了幾次大起大落，終于進(jìn)入了大規(guī)模實(shí)用階段，再也不會(huì)有人說(shuō)“人工智能無(wú)用”“人類智能完全無(wú)法超越”這樣的話了，取而代之的是人工智能威脅論。但是，人工智能是否要“類腦”以及如何“類腦”是人工智能這個(gè)名詞誕生以來(lái)就有的話題，目前還是眾說(shuō)紛紜、各執(zhí)己見(jiàn)，無(wú)法達(dá)成統(tǒng)一的認(rèn)識(shí)。

其實(shí)，自從計(jì)算機(jī)誕生之日起，人類就已經(jīng)將其與大腦作比較了，中文里甚至把電子計(jì)算機(jī)直接稱之為電腦。但馮·諾依曼構(gòu)架(Von Neumann Architecture)[1]與大腦原理其實(shí)沒(méi)有關(guān)系，而在馮·諾依曼構(gòu)架下的人工智能要模擬大腦，自然也會(huì)受到詬病。腦科學(xué)家會(huì)說(shuō)：目前我們對(duì)腦的理解還十分有限，人工智能專家憑什么敢說(shuō)可以模擬大腦？！而人工智能的很多專家自然也會(huì)認(rèn)為人工神經(jīng)網(wǎng)的核心算法是計(jì)算機(jī)科學(xué)家的發(fā)明，與大腦的特性和原理相去甚遠(yuǎn)。目前的人工神經(jīng)網(wǎng)確實(shí)只是參考了大腦神經(jīng)細(xì)胞間的部分拓?fù)浣Y(jié)構(gòu)而搭建的數(shù)學(xué)模型，并非來(lái)自于生物神經(jīng)系統(tǒng)的數(shù)理解析結(jié)果。

未來(lái)的人工智能研究是否需要腦科學(xué)？是否需要借鑒腦？本文將根據(jù)本人在仿生視覺(jué)及人工智能領(lǐng)域多年的研究體會(huì)，著重闡述生物腦研究與人工智能研究的關(guān)系，以及未來(lái)人工智能發(fā)展方向的一些看法。

1 生物腦是人工智能在自然界中唯一的參照物和靈感來(lái)源

生物腦作為人工智能在自然界中的唯一參照物和唯一靈感來(lái)源，在人工智能的研發(fā)走入迷途時(shí)，腦科學(xué)將是照亮前進(jìn)方向的燈塔，正像卷積神經(jīng)網(wǎng)絡(luò)的靈感來(lái)源于貓大腦的視覺(jué)皮層一樣[2]。這也說(shuō)明數(shù)學(xué)家從神經(jīng)科學(xué)中抽取數(shù)學(xué)原理是人工智能發(fā)展的一條成功途徑。

在人工智能第二次浪潮進(jìn)入低谷后，美國(guó)于20世紀(jì)90年代在世界上最早啟動(dòng)了腦研究計(jì)劃，將1990年至2000年命名為“腦的十年”。這一計(jì)劃提出后，國(guó)際腦研究組織(International Brain Research Organization，IBRO)和許多國(guó)家的相應(yīng)學(xué)術(shù)組織紛紛響應(yīng)，推動(dòng)“腦的十年”計(jì)劃成為世界性的行動(dòng)。大批腦科學(xué)相關(guān)成果[3]涌現(xiàn)出來(lái)的同時(shí)，貝葉斯網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)等人工智能算法也更加成熟，間接誘發(fā)了第三次人工智能浪潮。

2 類腦智能開(kāi)發(fā)的幾個(gè)方向

繼“腦的十年”階段之后，21世紀(jì)初美國(guó)、歐盟等國(guó)又興起了新一輪的腦計(jì)劃浪潮，以求推動(dòng)腦的原理解析與類腦智能研究。我國(guó)也高度重視，積極規(guī)劃，布局腦科學(xué)發(fā)展，提出了發(fā)展“人工智能2.0”的戰(zhàn)略方向[4]。

在腦科學(xué)與人工智能研究齊頭并進(jìn)的今天，合理地利用已知的腦科學(xué)成果來(lái)研究人工智能，即類腦智能的研究方式和方法尤為重要，這一問(wèn)題可以歸類于仿生學(xué)的范疇。本人根據(jù)多年從事仿生視覺(jué)研究的經(jīng)驗(yàn)，認(rèn)為仿生學(xué)基本上可以歸納為基礎(chǔ)要素研究、具體性能實(shí)現(xiàn)、系統(tǒng)功能模擬三個(gè)研究方向。

第一，基礎(chǔ)要素的研究。類腦研究的基礎(chǔ)無(wú)過(guò)于搞清楚神經(jīng)細(xì)胞作為腦基礎(chǔ)功能單元的物理化學(xué)原理和作為最小信息處理單元的數(shù)學(xué)原理。神經(jīng)細(xì)胞的數(shù)學(xué)模型、等效電路、模擬神經(jīng)網(wǎng)電路的研究就屬于這個(gè)范疇。以Hodgkin-Huxley神經(jīng)細(xì)胞電脈沖形成原理電路[5]為基礎(chǔ)的模擬電路神經(jīng)網(wǎng)最近有了一些進(jìn)展[6-7]，但是還遠(yuǎn)沒(méi)有成為人工智能研究的主流。該研究領(lǐng)域在未來(lái)勢(shì)必成為類腦基礎(chǔ)研究的突破口之一。

第二，生物某個(gè)具體性能的實(shí)現(xiàn)。當(dāng)暫時(shí)無(wú)法直接從基礎(chǔ)要素的研究中解析出基本原理時(shí)，模仿生物的某一項(xiàng)性能也是仿生學(xué)的一個(gè)重要研究方向。例如：仿鳥(niǎo)類飛行的研究可以暫不分析羽毛、肌肉、骨骼等基礎(chǔ)要素的材料和組成，也不考慮鳥(niǎo)類如何獲得推力，只考慮鳥(niǎo)類展翅時(shí)的滑翔原理，即翅膀不動(dòng)時(shí)在流體中的浮力原理，就足以發(fā)明飛機(jī)機(jī)翼。類腦研究也一樣。本人在研究人腦中的視覺(jué)系統(tǒng)時(shí)，通過(guò)模擬人眼的運(yùn)動(dòng)控制神經(jīng)系統(tǒng)及各種眼球動(dòng)態(tài)響應(yīng)，獲得了一系列有效的機(jī)器視覺(jué)運(yùn)動(dòng)控制原理[8-10]，并已成功應(yīng)用于3D自動(dòng)拍攝系統(tǒng)、雙目相機(jī)在線校準(zhǔn)等產(chǎn)品之中。人工智能算法也是僅模擬了貓大腦視覺(jué)皮層通路中信息的分層處理機(jī)制和神經(jīng)網(wǎng)絡(luò)的基本拓?fù)浣Y(jié)構(gòu)，構(gòu)建出卷積神經(jīng)網(wǎng)絡(luò)，便已經(jīng)推動(dòng)了人工智能的巨大進(jìn)步。

第三，從生物的系統(tǒng)結(jié)構(gòu)中獲得靈感。通過(guò)模仿生物系統(tǒng)，把對(duì)應(yīng)各個(gè)相關(guān)器官功能的部件統(tǒng)合起來(lái)，最終實(shí)現(xiàn)仿生系統(tǒng)的整體功能，是仿生學(xué)的另一個(gè)重要方向。舉例來(lái)說(shuō)，飛機(jī)機(jī)翼對(duì)應(yīng)鳥(niǎo)的翅膀，飛機(jī)的起落架對(duì)應(yīng)鳥(niǎo)類起飛與著陸時(shí)助跑的雙腳，飛機(jī)尾翼對(duì)應(yīng)鳥(niǎo)類滑翔時(shí)改變飛行方向用的尾羽等。不要求各對(duì)應(yīng)部件的原理和性能完全相同，只求功能類似，經(jīng)過(guò)組合達(dá)到系統(tǒng)完整，實(shí)現(xiàn)整體功效即可。飛機(jī)機(jī)翼雖然是鳥(niǎo)類翅膀性能仿生的產(chǎn)物，最終支撐飛機(jī)飛得更快、飛得更穩(wěn)的流體力學(xué)和空氣動(dòng)力學(xué)完全是數(shù)學(xué)和物理的范疇，幾乎與仿生學(xué)無(wú)關(guān)，但飛機(jī)系統(tǒng)的完整性保證了飛機(jī)可以具備各種飛行功能。

高等生物的腦是由大腦、小腦、中腦、腦干等不同結(jié)構(gòu)、不同功能的器官組成的，各器官各司其職，相互不可代替，這些腦器官整體實(shí)現(xiàn)了具有生命活力的腦功能。因此，為了實(shí)現(xiàn)類腦智能系統(tǒng)，首先要理解腦的系統(tǒng)結(jié)構(gòu)和各個(gè)腦器官的功能和特性，通過(guò)組合對(duì)應(yīng)各個(gè)腦器官基本功能的部件，搭建一套具有類似生物腦系統(tǒng)基本功能的“機(jī)器頭腦”，然后再逐漸改良和完善。仿生機(jī)器頭腦是研究自主智能系統(tǒng)的重要平臺(tái)，除智能外具備感知和操控功能，是人工智能系統(tǒng)獲得自主學(xué)習(xí)、智力演化等高級(jí)認(rèn)知能力的關(guān)鍵。

3 人工智能的幾種“學(xué)習(xí)”方式

人工智能可以略分為三大分支：(1)邏輯主義(logicism) ，又稱為符號(hào)主義、心理學(xué)派或計(jì)算機(jī)學(xué)派；(2)聯(lián)結(jié)主義(connectionism)，又稱為仿生學(xué)派或生理學(xué)派；(3)行為主義(actionism)，又稱為進(jìn)化主義或控制論學(xué)派[11]。目前看來(lái)，以人工神經(jīng)網(wǎng)絡(luò)為主的理論，即聯(lián)結(jié)主義學(xué)派的成果推動(dòng)了第三次人工智能浪潮。最近，邏輯主義學(xué)派的理論重新開(kāi)始被重視，其部分手法被融入最新的人工神經(jīng)網(wǎng)絡(luò)算法之中。行為主義屬于自動(dòng)控制理論范疇，即學(xué)習(xí)控制理論，本人認(rèn)為未來(lái)小腦仿生理論的進(jìn)步將推動(dòng)該學(xué)派的突破和發(fā)展[7]。

現(xiàn)階段人工智能能夠進(jìn)行“學(xué)習(xí)”(或稱之為“訓(xùn)練”)，主要得益于人工神經(jīng)網(wǎng)核心理論——反向傳播(back propagation，BP)網(wǎng)絡(luò)的提出[12]，使得在神經(jīng)元足夠多的情況下，任意連續(xù)函數(shù)都可以被擬合出來(lái)，即通過(guò)神經(jīng)網(wǎng)的學(xué)習(xí)方式可以實(shí)現(xiàn)柯?tīng)柲缏宸?Kolmogrov)定理(1957年，蘇聯(lián)數(shù)學(xué)家)的描述。目前人工智能的“學(xué)習(xí)”主要分為三種形式。

第一種是給智能系統(tǒng)提供大量標(biāo)注過(guò)的數(shù)據(jù)進(jìn)行訓(xùn)練，稱之為有監(jiān)督學(xué)習(xí)(supervised leaning)。例如：利用大量由醫(yī)生標(biāo)注過(guò)的X光片作為智能系統(tǒng)的教師信號(hào)進(jìn)行訓(xùn)練，使智能系統(tǒng)通過(guò)解讀X光片進(jìn)行疾病診斷。

顯然，上述監(jiān)督學(xué)習(xí)方式依賴于大量標(biāo)記的訓(xùn)練數(shù)據(jù)，但收集和標(biāo)記大型數(shù)據(jù)集的過(guò)程非常耗時(shí)、昂貴且信賴度難以保證。第二種形式，即無(wú)監(jiān)督的學(xué)習(xí)方式(unsupervised learning)相較則具有更大優(yōu)勢(shì)，因?yàn)榇祟悓W(xué)習(xí)方式雖然也需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，但它與監(jiān)督學(xué)習(xí)的不同之處，在于我們事先不需要對(duì)訓(xùn)練樣本進(jìn)行標(biāo)注，而是直接對(duì)數(shù)據(jù)進(jìn)行建模，通過(guò)找到數(shù)據(jù)本身的規(guī)律而約束學(xué)習(xí)過(guò)程。這聽(tīng)起來(lái)似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過(guò)程中經(jīng)常依賴于無(wú)監(jiān)督學(xué)習(xí)，例如我們長(zhǎng)期反復(fù)經(jīng)歷某類事件便可總結(jié)出該類事件的規(guī)律和經(jīng)驗(yàn)。

另一種訓(xùn)練形式是，通過(guò)設(shè)定規(guī)則來(lái)判斷在某種場(chǎng)景下智能系統(tǒng)做出的結(jié)論或動(dòng)作是“好”還是“壞”，并以此來(lái)對(duì)該智能系統(tǒng)進(jìn)行“獎(jiǎng)勵(lì)”或“懲罰”。這個(gè)過(guò)程周而復(fù)始，性能也就會(huì)逐漸提高。這種學(xué)習(xí)方式被稱為強(qiáng)化學(xué)習(xí)(reinforcement learning)。人工智能通過(guò)這種學(xué)習(xí)方式可以主動(dòng)快速地獲取知識(shí)，改進(jìn)行動(dòng)方案以適應(yīng)環(huán)境。關(guān)于強(qiáng)化學(xué)習(xí)最典型的案例莫過(guò)于谷歌的AlphaGo Zero[13]，其完全擺脫人類棋譜，通過(guò)和不同版本的自己下棋的方式反復(fù)訓(xùn)練得到知識(shí)，最終打敗利用人類棋譜知識(shí)進(jìn)行學(xué)習(xí)并打敗人類的AlphaGo[14]。

與無(wú)監(jiān)督學(xué)習(xí)通過(guò)挖掘數(shù)據(jù)規(guī)律進(jìn)行訓(xùn)練不同，強(qiáng)化學(xué)習(xí)依賴于與環(huán)境的交互進(jìn)行學(xué)習(xí)。例如：在向用戶推薦產(chǎn)品的任務(wù)中，非監(jiān)督學(xué)習(xí)會(huì)分析用戶先前經(jīng)常使用的產(chǎn)品并向他們推薦類似產(chǎn)品，而強(qiáng)化學(xué)習(xí)將通過(guò)向用戶不斷推薦一些產(chǎn)品，并依據(jù)獲得的用戶意見(jiàn)進(jìn)行學(xué)習(xí)，最后構(gòu)建出用戶可能會(huì)喜歡的產(chǎn)品列表。

綜上所述，人工智能主要分為監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這三種學(xué)習(xí)方式。本人認(rèn)為強(qiáng)化學(xué)習(xí)是未來(lái)自主人工智能主動(dòng)學(xué)習(xí)的最重要訓(xùn)練模式。

4 自主智能的必要性

強(qiáng)化學(xué)習(xí)是與環(huán)境交互的學(xué)習(xí)方式，狀態(tài)、行為與獎(jiǎng)勵(lì)是完成其學(xué)習(xí)過(guò)程最關(guān)鍵的三個(gè)要素。目前強(qiáng)化學(xué)習(xí)的研究基本上是在計(jì)算機(jī)模擬環(huán)境(比如游戲環(huán)境)下進(jìn)行的，因?yàn)榇谁h(huán)境下的獎(jiǎng)懲規(guī)則容易設(shè)定，學(xué)習(xí)信息(數(shù)據(jù))易于獲取。

事實(shí)上，與計(jì)算機(jī)類似，自然界本身便是一個(gè)無(wú)限大的計(jì)算系統(tǒng)。在計(jì)算機(jī)中運(yùn)算的最小單元是邏輯電路，而在自然界中，每個(gè)原子都可以看成是一個(gè)計(jì)算單元。之所以這樣說(shuō)，是因?yàn)槊恳环N原子都會(huì)根據(jù)各種外部作用產(chǎn)生對(duì)應(yīng)的確定反應(yīng)，而對(duì)應(yīng)確定的輸入產(chǎn)生確定結(jié)果的這一屬性正滿足計(jì)算單元的本質(zhì)。

可見(jiàn)，自然界是具有無(wú)限計(jì)算能力和無(wú)限信息的系統(tǒng)，因此，自然界是不可能被計(jì)算機(jī)完全模擬的。人類從出生到發(fā)育成熟需要近二十年的時(shí)間，這并不是因?yàn)槿祟惖陌l(fā)育如此之慢，而是因?yàn)榇竽X在發(fā)育階段的學(xué)習(xí)和訓(xùn)練最有效，大腦需要如此長(zhǎng)的學(xué)習(xí)時(shí)間?？梢?jiàn)，智能系統(tǒng)要適應(yīng)復(fù)雜的自然環(huán)境和人類社會(huì)所需要的經(jīng)歷之長(zhǎng)，錘煉次數(shù)之多，訓(xùn)練數(shù)據(jù)量之巨大。要想讓人工智能系統(tǒng)獲得高級(jí)智能，將其放入自然環(huán)境，包括參與人類社會(huì)活動(dòng)，是必經(jīng)的有效手段。

在自然界的大環(huán)境中，生物的成長(zhǎng)與進(jìn)化便可以歸納成“強(qiáng)化學(xué)習(xí)”的范疇?！吧媾c繁衍”便是此環(huán)境中生物界唯一面對(duì)的“規(guī)則”，由此演化出巨大的生態(tài)體系和無(wú)數(shù)的分支以及分支下的規(guī)則細(xì)節(jié)。要令人工智能系統(tǒng)走出計(jì)算機(jī)環(huán)境，走進(jìn)自然環(huán)境，能否進(jìn)行有用信息的主動(dòng)獲取將成為第一個(gè)瓶頸。因此，傳感器與智能系統(tǒng)的有機(jī)結(jié)合是賦予人工智能系統(tǒng)自主學(xué)習(xí)能力的第一步，也將是人工智能擺脫對(duì)人的依賴，向更高層次的智能發(fā)展的重要方向。

5 打通自主智能的感知—智能—操控環(huán)路至關(guān)重要

若要人工智能系統(tǒng)像人一樣進(jìn)入自然環(huán)境并實(shí)現(xiàn)自主智能，從系統(tǒng)仿生的角度看，除處理和判斷信息的智能系統(tǒng)外，還需要感知系統(tǒng)獲取環(huán)境信息，獲得的數(shù)據(jù)通過(guò)智能系統(tǒng)分析決策后借助動(dòng)作操控系統(tǒng)對(duì)環(huán)境進(jìn)行改變，再通過(guò)感知系統(tǒng)判斷智能系統(tǒng)的動(dòng)作效果是否符合規(guī)則規(guī)定，即判斷是好還是壞，以此對(duì)智能系統(tǒng)進(jìn)行獎(jiǎng)勵(lì)或懲罰。如此循環(huán)往復(fù)地與環(huán)境產(chǎn)生交互，便可達(dá)到自主學(xué)習(xí)的效果(圖1)。

圖1 自主智能必須具備的感知—智能—操控環(huán)路

由此可見(jiàn)，從感知到智能再到操控然后再回到感知這樣一個(gè)無(wú)限循環(huán)的閉環(huán)系統(tǒng)便是人工智能系統(tǒng)在自然環(huán)境下自主學(xué)習(xí)的必要條件。開(kāi)發(fā)具備這個(gè)閉環(huán)功能的類腦智能系統(tǒng)是自主人工智能研究的關(guān)鍵。大部分的所謂智能機(jī)器人都在表象上具備了這個(gè)智能閉環(huán)系統(tǒng)，但實(shí)際上真正具備自主學(xué)習(xí)能力的智能機(jī)器人尚未出現(xiàn)。究其根本原因，是若要實(shí)現(xiàn)這個(gè)閉環(huán)，還需要更全面、更細(xì)致的功能劃分。

很明顯，人工智能系統(tǒng)通過(guò)傳感器主動(dòng)獲取環(huán)境信息進(jìn)行自主學(xué)習(xí)的必要條件之一是具備從近乎無(wú)限多的信息中挑選和抽象出有用的、重要的乃至急需的信息的能力。對(duì)傳感器獲取的信息進(jìn)行挑選、加工和處理雖然是傳感器功能的一部分，但是也與智能有著無(wú)法分割的關(guān)系，特別是視覺(jué)和聽(tīng)覺(jué)這樣的高級(jí)傳感器，沒(méi)有智能處理就無(wú)法提取和獲得有用信息。比如目前機(jī)器視覺(jué)中廣泛研究的三維重建[15-17]、定位導(dǎo)航[18]、檢測(cè)識(shí)別[19]三大類智能處理算法，就是試圖從圖像傳感器采集的二維信息中獲得有用的時(shí)空、類別等信息。但是，這種對(duì)原始信息進(jìn)行挑選、加工與處理的“信息處理智能”與獲得有用信息后的對(duì)環(huán)境態(tài)勢(shì)的分析、對(duì)行動(dòng)的決策所需要的“分析決策智能”是完全不同的。

當(dāng)智能系統(tǒng)作出決策后，按照決策進(jìn)行行動(dòng)規(guī)劃的能力即“行動(dòng)規(guī)劃智能”和付諸行動(dòng)的能力即“運(yùn)動(dòng)控制智能”是主動(dòng)改變自身與環(huán)境的關(guān)系乃至改變環(huán)境本身的手段。行動(dòng)規(guī)劃智能與運(yùn)動(dòng)控制智能也是與上述信息處理智能和分析決策智能不同形式的智能，而付諸行動(dòng)后如何來(lái)認(rèn)識(shí)被改變的環(huán)境態(tài)勢(shì)，如何判斷智能系統(tǒng)的動(dòng)作是“好”還是“壞”是智能系統(tǒng)學(xué)習(xí)與訓(xùn)練的關(guān)鍵，這又回到了傳感器和信息處理智能的功能上。該細(xì)分后的感知—智能—操控閉環(huán)系統(tǒng)如圖2所示。

圖2 自主智能系統(tǒng)的功能細(xì)分

當(dāng)然，要實(shí)現(xiàn)能與人類智慧媲美的人工智能系統(tǒng)，圖2所示的智能系統(tǒng)結(jié)構(gòu)仍然遠(yuǎn)遠(yuǎn)不夠。生物腦系統(tǒng)的進(jìn)一步解析將會(huì)對(duì)未來(lái)自主智能系統(tǒng)的研究提供重要線索。例如：簡(jiǎn)單反饋控制回路可以在腦干神經(jīng)系統(tǒng)中找到，高性能運(yùn)動(dòng)控制系統(tǒng)已被證實(shí)存在于小腦。然而小腦的結(jié)構(gòu)與大腦差別很大，形成了完全獨(dú)立的器官，說(shuō)明運(yùn)動(dòng)控制智能單元的原理與其他智能處理單元有著本質(zhì)的不同。另外，如果把大腦中的視覺(jué)初級(jí)腦區(qū)和聽(tīng)覺(jué)初級(jí)腦區(qū)當(dāng)作信息處理智能單元，把額葉前區(qū)視為分析決策智能單元的話，初級(jí)腦區(qū)與額葉前區(qū)之間存在著韋尼克區(qū)(Wernicke's area)和布羅卡區(qū)(Broca's area)等各種中間功能的腦區(qū)，暗示著從信息處理智能單元到分析決策智能單元之間還存在著多個(gè)步驟。這些生物腦的研究和解析成果對(duì)自主人工智能系統(tǒng)的構(gòu)建和發(fā)展有著至關(guān)重要的啟迪作用。

6 超越人類智力的人工智能

正像飛機(jī)比鳥(niǎo)類飛得高、飛得快、飛得遠(yuǎn)一樣，人工智能在很多方面超越人類的智力是必然的，否則人工智能的實(shí)用價(jià)值將大打折扣。大數(shù)據(jù)運(yùn)算、云計(jì)算、因特網(wǎng)、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)非常適合于融入人工智能，而人類大腦較難直接融入這些技術(shù)。目前，這些技術(shù)產(chǎn)生的信息和功能與人類大腦間的信息交互還停留在通過(guò)鍵盤(pán)、屏幕、麥克風(fēng)及揚(yáng)聲器等設(shè)備與手指、眼睛、嘴、耳朵等腦外器官之間的交流，尚未像人工智能系統(tǒng)那樣可以輕易做到“你中有我、我中有你”的程度，這也正是人類大腦智力水平進(jìn)一步發(fā)展的瓶頸和局限性。

盡管腦機(jī)接口是目前研究的一個(gè)熱點(diǎn)，但很難想象人腦會(huì)像終端計(jì)算機(jī)一樣輕松與上述網(wǎng)絡(luò)系統(tǒng)連接并達(dá)到信息融合。這也是為什么人腦將會(huì)成為新的舊腦(大腦和小腦出現(xiàn)之前的低等動(dòng)物的腦)，而人工智能系統(tǒng)將會(huì)成為更高一級(jí)的腦的理由。未來(lái)的人類將會(huì)改變通過(guò)視、聽(tīng)、觸覺(jué)與人工智能交流的方式，而是通過(guò)腦機(jī)接口更直接地操作人工智能系統(tǒng)這個(gè)新的“超級(jí)大腦”。

7 “不類腦”是“類腦智能”的本來(lái)面目

人工智能的本質(zhì)是建立在電子技術(shù)之上的自編程運(yùn)算系統(tǒng)，無(wú)論從形態(tài)、材料還是結(jié)構(gòu)上都不可能完全與生物腦類似，因此，類腦人工智能也必然是僅在部分原理上借鑒生物腦的智能系統(tǒng)，其特征是在設(shè)計(jì)者需要的功能上遠(yuǎn)超人腦，但在其系統(tǒng)功能完整度上將長(zhǎng)期遠(yuǎn)低于人腦。正像設(shè)計(jì)飛機(jī)考慮的是載重、速度等功能，而這些飛行能力已遠(yuǎn)超鳥(niǎo)類，甚至不在一個(gè)層次之上，但在作為獨(dú)立的可在自然界中生存的自主系統(tǒng)，鳥(niǎo)類在各種能力的完整性上，又是飛機(jī)所無(wú)法比擬的。單純從飛行能力上講，捕捉昆蟲(chóng)等覓食動(dòng)作和對(duì)應(yīng)各種復(fù)雜環(huán)境及搏斗等行為的飛行技巧上，飛機(jī)至今無(wú)法達(dá)到燕子等小鳥(niǎo)的水平。

8 人工智能對(duì)人類社會(huì)的影響

人工智能是否會(huì)對(duì)人類造成威脅是伴隨人工智能這個(gè)名詞誕生至今的話題。當(dāng)人類在自己發(fā)明的“最復(fù)雜的棋類游戲”——圍棋上也輸給了人工智能，當(dāng)像霍金、馬斯克等著名科學(xué)家和著名科技企業(yè)家也發(fā)出了對(duì)人工智能發(fā)展警告的今天，這個(gè)話題更加引人注目。

在對(duì)這個(gè)問(wèn)題發(fā)表個(gè)人意見(jiàn)之前，本人想首先探討一下大腦的屬性。生物在出現(xiàn)大腦和小腦之后舊腦并沒(méi)有消失，腦干、丘腦、海馬等原始腦甚至包括身體內(nèi)控制身體發(fā)育的荷爾蒙都仍然是生物的靈魂所在，大腦的一切思維都是為這些原始欲望和生理需求甚至包括所謂的遺傳策略(例如個(gè)體為群體或孩子做自我犧牲)服務(wù)的。這也是為什么一個(gè)人一旦毒品上癮，再優(yōu)秀的大腦都無(wú)法使他獨(dú)立完成戒毒的任務(wù)。大腦會(huì)不斷為欲望辯解，并為之服務(wù)。舉這個(gè)例子只是想說(shuō)，大腦和人的手腳一樣，只是服從于主人(存在于體內(nèi)的目的/需求/本能)的工具，人工智能也一樣。人類最終會(huì)把人工智能系統(tǒng)當(dāng)作自己的外大腦，而這個(gè)外大腦就像生物界新生的大腦和小腦對(duì)待舊腦一樣“忠貞不二”。

自主人工智能系統(tǒng)無(wú)論學(xué)習(xí)性能多么優(yōu)越，在它學(xué)習(xí)和訓(xùn)練過(guò)程中需要一個(gè)獎(jiǎng)勵(lì)與懲罰的規(guī)則做指引，沒(méi)有規(guī)則就無(wú)從學(xué)習(xí)與訓(xùn)練，智能自然也就無(wú)法形成，而這個(gè)規(guī)則正是制造它的人類所設(shè)計(jì)的。當(dāng)然，當(dāng)人工智能足夠發(fā)達(dá)之后，是否可以自己設(shè)定規(guī)則并用之改造自己或培育下一代人工智能，這是科幻人工智能的問(wèn)題，目前考慮還為時(shí)尚早。

人類的智能不僅有從小到大的學(xué)習(xí)過(guò)程，而且還有在競(jìng)爭(zhēng)中不斷淘汰弱小個(gè)體的進(jìn)化機(jī)制。人工智能系統(tǒng)目前還遠(yuǎn)沒(méi)有達(dá)到可以通過(guò)淘汰弱小個(gè)體來(lái)完成自身系統(tǒng)設(shè)計(jì)的自主改良這個(gè)階段。要想達(dá)到這個(gè)階段，至少要有設(shè)計(jì)圖紙可隨機(jī)修改(基因突變)、設(shè)計(jì)圖紙部分互換(雌雄交配)、新個(gè)體生產(chǎn)(生育)、競(jìng)爭(zhēng)與淘汰(戰(zhàn)爭(zhēng))、個(gè)體間合作(文化)等一系列步驟。

綜上所述，個(gè)人認(rèn)為現(xiàn)階段擔(dān)心人工智能危害人類生存有些杞人憂天，而且人工智能的發(fā)展還要經(jīng)過(guò)幾次大起大落。盡管如此，人工智能必將給人類社會(huì)帶來(lái)劃時(shí)代的影響卻是不爭(zhēng)的事實(shí)。在汽車、輪船、飛機(jī)等運(yùn)輸工具的無(wú)人駕駛領(lǐng)域，在工業(yè)、農(nóng)業(yè)等生產(chǎn)領(lǐng)域，在購(gòu)物、休閑、飲食、交通等智慧城市領(lǐng)域，在文化娛樂(lè)如虛擬現(xiàn)實(shí)與混合現(xiàn)實(shí)等領(lǐng)域，甚至在安防、國(guó)防等領(lǐng)域，人工智能都將引起巨大的顛覆性革命，其影響必將超越以往的任何一次工業(yè)革命，對(duì)人類社會(huì)、對(duì)國(guó)家命運(yùn)、對(duì)家庭生活都會(huì)產(chǎn)生深遠(yuǎn)影響[20]。

(2018年9月5日收稿)